在新一轮的AI发展浪潮中，大模型被应用到各个领域，保险业也开始争相拥抱这股浪潮。

　　近日举行的中国太保科技开放日上，中国太保集团副总裁俞斌表示，中国太保正在开展保险领域大模型的建设应用，并以“数字劳动力”为突破口，探索保险领域可交易的数字化劳动力建设，提升生产力。

　　事实上，除了中国太保，包括阳光保险、众安保险等险企已开始落地大模型的应用；同时，科技公司也在密集推出金融行业大模型，并与金融机构在应用层面展开合作。

　　保险业拥抱大模型浪潮

　　大模型的浪潮正在席卷金融业。

　　腾讯研究院今年7月末的一项调研数据显示，国内参数在10亿规模以上的大模型数量已由5月末的79个增加至116个，其中金融行业大模型约18个。

　　而业内专家认为，在金融行业中，保险可以是大模型的重要发力领域，同时大模型也将对保险业产生深远的影响。

　　清华大学金融科技研究院副院长、中国保险与养老金研究中心主任魏晨阳认为，大模型现在处于跑马圈地阶段，在AI“三要素”中，与算力、算法相比，数据才是核心竞争力。在他看来，保险业数据丰富，且有大量的应用场景，是大模型应用的优势领域。与此同时，大模型的定位不是替代人，而是扮演“副驾驶”的功能。

　　与此同时，保险业面对许多新趋势和新挑战，保险科技的发展方向也需与业务发展需求相契合。“当前，保险业的新趋势是成本结构优化和以客户体验为中心，而新挑战是新客群和多渠道服务。解决这一系列问题的关键手段是智能化，尤其是可复制的智能，这也是大模型带给我们的机会。”中国太保数智研究院执行院长王磊对第一财经记者表示。

　　业内人士认为，大模型技术的自然语言交互能力等技术可以在保险公司的展业效率、客户服务用户体验、代理人队伍管理、内勤工作效率，以及市场洞察等五大方面产生实质的变化，未来5～10年将深度影响保险业。

　　在广阔的应用场景下，保险业开始拥抱大模型浪潮。

　　中国太保在大模型领域首先落地的是“数字员工”。“我们会优先聚焦在保险销售、保险客服和核保核赔这几个方向上Copilot（副驾驶）的应用，通过大模型技术的服务闭环能力，拉齐服务标准，减少员工重复性脑力劳动，让员工能聚焦于高价值工作；也能够通过大模型技术的专业深度，突破当下员工能力领域限制，打造大模型与普通员工相结合、具备复合型能力的‘超级员工’。”王磊称。

　　据太保科技总经理助理陈峰介绍，目前新自研太保数字员工产品已在集团审计中心进行能力试点，落地审前检查、审中助手及审后管理三大岗位，通过数字员工与真实员工人机编队的工作方式，填补审计人力不足并扩大审计范围，之后会在全司进行推广。

　　阳光保险集团近期也发布了大模型开放平台，以及基于该平台搭建的“三大机器人”（销售机器人、管理机器人、服务机器人）应用。其中，大模型技术在销售机器人项目中完成应用探索，信息抽取任务准确率提升15%，意图识别和智能问答准确率均有明显提升。

　　在众安保险的AIGC架构中，大模型亦是其基础，并由此开发了AIGC中台等应用。

　　除了保险公司本身，科技公司也在自己研发的行业大模型产品中与保险业合作开展应用。例如，蚂蚁近期“官宣”的金融大模型产品，已率先在理财和保险领域进行应用测试。百度高管此前在接受媒体采访时亦表示，该公司“行业大模型”已在保险等领域与多家金融机构展开合作。如帮助保险公司自动解析复杂的合同业务条款，对于以往由人工处理至少要30分钟的问题，行业大模型可在1分钟内处理完成，效率约提升30倍。

　　大模型带来新的应用范式

　　在俞斌看来，保险科技经历了计算机发展驱动的“信息化+保险”1.0时代、互联网发展驱动的“线上化+保险”2.0时代、大数据与传统AI驱动的“数字化+保险”3.0时代。而随着大模型的出世，将驱动保险数字化转型迈入“数智化+保险”的4.0时代，通过对人建模实现数字劳动力，将从事保险经营活动的普通脑力工作者释放到更需要创新能力的岗位，全面提升行业生产力。

　　为何大模型可以带来这样跨时代的改变？王磊认为，这是因为和传统数字技术相比，大模型技术带来了新的应用范式。

　　王磊分析称，传统的数字技术更多类似无意识的快思考，没有行动能力，只能提供思考决策的结果。更重要的是，传统数字技术每个模型只能胜任一个任务，边际成本很高，因此传统数字技术通常是对某个业务流程进行建模，例如自动录入、智能回访等；而大模型技术可以提供理性的、由推导形成结论的慢思考，并且可以自行编写代码完成行动。一个大模型能够胜任很多任务，成本是相对固定的，因此大模型技术可以实现对人的建模，让数字劳动力具备理解、思考和解决问题的能力，可以通过行动完成一系列不特定的任务，例如打造数字审计员、代理人助理等。

　　不过，王磊也表示，大模型技术在应用前景广阔的同时，也面临数据安全和合规的挑战。王磊表示，尤其在保险这类非常严肃的场景，大模型的主要挑战集中在数据泄露的风险，大模型幻觉带来的合规和责任风险，以及监管对于行业和特殊岗位的要求。

　　如何应对这些风险？王磊表示，根据太保在大模型上的应用经验，在数据安全方面，大模型基座应使用私有化部署，避免敏感数据出域，同时做好敏感数据加密、去隐私化和去标识化等保护动作，采用差分隐私、添加噪声等技术保护敏感数据；针对大模型幻觉，需要险企应用制度和工具确保大模型生成内容的准确、合规，同时初期可主要以对内场景为主，确保技术应用的可控。